ਕੇਸ ਸਟੱਡੀ: ਗੱਲਬਾਤ ਸੰਬੰਧੀ ਏ.ਆਈ
3 ਭਾਰਤੀ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ASR ਬਣਾਉਣ ਲਈ 8k ਘੰਟੇ ਤੋਂ ਵੱਧ ਡਾਟਾ ਇਕੱਠਾ, ਖੰਡਿਤ ਅਤੇ ਟ੍ਰਾਂਸਕ੍ਰਾਈਬ ਕੀਤਾ ਗਿਆ
ਭਾਸ਼ਿਨੀ, ਭਾਰਤ ਦਾ AI-ਸੰਚਾਲਿਤ ਭਾਸ਼ਾ ਅਨੁਵਾਦ ਪਲੇਟਫਾਰਮ, ਡਿਜੀਟਲ ਇੰਡੀਆ ਪਹਿਲਕਦਮੀ ਦਾ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਹਿੱਸਾ ਹੈ।
MSMEs, ਸਟਾਰਟਅੱਪਸ, ਅਤੇ ਸੁਤੰਤਰ ਇਨੋਵੇਟਰਾਂ ਨੂੰ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਅਤੇ ਨੈਚੁਰਲ ਲੈਂਗੂਏਜ ਪ੍ਰੋਸੈਸਿੰਗ (NLP) ਟੂਲ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ, ਭਾਸ਼ਿਨੀ ਪਲੇਟਫਾਰਮ ਇੱਕ ਜਨਤਕ ਸਰੋਤ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ। ਇਸਦਾ ਟੀਚਾ ਭਾਰਤੀ ਨਾਗਰਿਕਾਂ ਨੂੰ ਉਨ੍ਹਾਂ ਦੀਆਂ ਮੂਲ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਦੇਸ਼ ਦੀਆਂ ਡਿਜੀਟਲ ਪਹਿਲਕਦਮੀਆਂ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾ ਕੇ ਡਿਜੀਟਲ ਸ਼ਮੂਲੀਅਤ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਨਾ ਹੈ।
ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਸਦਾ ਉਦੇਸ਼ ਭਾਰਤੀ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਇੰਟਰਨੈਟ ਸਮੱਗਰੀ ਦੀ ਉਪਲਬਧਤਾ ਨੂੰ ਮਹੱਤਵਪੂਰਣ ਰੂਪ ਵਿੱਚ ਵਧਾਉਣਾ ਹੈ। ਇਹ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਜਨਤਕ ਹਿੱਤ ਦੇ ਖੇਤਰਾਂ ਜਿਵੇਂ ਕਿ ਸ਼ਾਸਨ ਅਤੇ ਨੀਤੀ, ਵਿਗਿਆਨ ਅਤੇ ਤਕਨਾਲੋਜੀ, ਆਦਿ ਵੱਲ ਨਿਸ਼ਾਨਾ ਹੈ। ਸਿੱਟੇ ਵਜੋਂ, ਇਹ ਨਾਗਰਿਕਾਂ ਨੂੰ ਉਹਨਾਂ ਦੀ ਸਰਗਰਮ ਭਾਗੀਦਾਰੀ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਦੇ ਹੋਏ, ਉਹਨਾਂ ਦੀ ਆਪਣੀ ਭਾਸ਼ਾ ਵਿੱਚ ਇੰਟਰਨੈਟ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਉਤਸ਼ਾਹਿਤ ਕਰੇਗਾ।
ਭਾਸ਼ਾ ਦੀਆਂ ਰੁਕਾਵਟਾਂ ਨੂੰ ਪਾਰ ਕਰਨ ਦੇ ਉਦੇਸ਼ ਨਾਲ ਯੋਗਦਾਨ ਪਾਉਣ ਵਾਲਿਆਂ, ਭਾਈਵਾਲੀ ਕਰਨ ਵਾਲੀਆਂ ਸੰਸਥਾਵਾਂ ਅਤੇ ਨਾਗਰਿਕਾਂ ਦੇ ਵਿਭਿੰਨ ਪਰਿਆਵਰਣ ਪ੍ਰਣਾਲੀ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਣ ਲਈ NLP ਦੀ ਵਰਤੋਂ ਕਰੋ, ਜਿਸ ਨਾਲ ਡਿਜੀਟਲ ਸ਼ਮੂਲੀਅਤ ਅਤੇ ਸਸ਼ਕਤੀਕਰਨ ਨੂੰ ਯਕੀਨੀ ਬਣਾਇਆ ਜਾ ਸਕੇ।
ਅਸਲ ਸੰਸਾਰ ਹੱਲ
ਡੇਟਾ ਦੇ ਨਾਲ ਸਥਾਨਕਕਰਨ ਦੀ ਸ਼ਕਤੀ ਨੂੰ ਜਾਰੀ ਕਰਨਾ
ਭਾਰਤ ਨੂੰ ਇੱਕ ਅਜਿਹੇ ਪਲੇਟਫਾਰਮ ਦੀ ਲੋੜ ਸੀ ਜੋ ਭਾਰਤੀ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਡਿਜੀਟਲ ਸੇਵਾਵਾਂ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਬਹੁ-ਭਾਸ਼ਾਈ ਡੇਟਾਸੇਟਸ ਅਤੇ ਏਆਈ-ਅਧਾਰਤ ਭਾਸ਼ਾ ਤਕਨਾਲੋਜੀ ਹੱਲਾਂ ਨੂੰ ਬਣਾਉਣ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰੇ। ਇਸ ਪਹਿਲਕਦਮੀ ਨੂੰ ਸ਼ੁਰੂ ਕਰਨ ਲਈ, ਇੰਡੀਅਨ ਇੰਸਟੀਚਿਊਟ ਆਫ਼ ਟੈਕਨਾਲੋਜੀ, ਮਦਰਾਸ (IIT ਮਦਰਾਸ) ਨੇ ਬਹੁ-ਭਾਸ਼ਾਈ ਭਾਸ਼ਣ ਮਾਡਲ ਬਣਾਉਣ ਲਈ ਭਾਰਤੀ ਭਾਸ਼ਾ ਡੇਟਾਸੈਟਾਂ ਨੂੰ ਇਕੱਤਰ ਕਰਨ, ਵੰਡਣ ਅਤੇ ਟ੍ਰਾਂਸਕ੍ਰਾਈਬ ਕਰਨ ਲਈ ਸ਼ੈਪ ਨਾਲ ਸਾਂਝੇਦਾਰੀ ਕੀਤੀ।
ਚੁਣੌਤੀ
ਕਲਾਇੰਟ ਦੀ ਭਾਰਤੀ ਭਾਸ਼ਾਵਾਂ ਲਈ ਸਪੀਚ ਟੈਕਨਾਲੋਜੀ ਸਪੀਚ ਰੋਡਮੈਪ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰਨ ਲਈ, ਟੀਮ ਨੂੰ AI ਮਾਡਲ ਬਣਾਉਣ ਲਈ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਸਿਖਲਾਈ ਡੇਟਾ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ, ਵੰਡਣ ਅਤੇ ਟ੍ਰਾਂਸਕ੍ਰਾਈਬ ਕਰਨ ਦੀ ਲੋੜ ਸੀ। ਗਾਹਕ ਦੀਆਂ ਮਹੱਤਵਪੂਰਨ ਲੋੜਾਂ ਸਨ:
ਡਾਟਾ ਇਕੱਤਰ ਕਰਨਾ
- ਪ੍ਰਤੀ ਭਾਸ਼ਾ 3000 ਉਪਭਾਸ਼ਾਵਾਂ ਦੇ ਨਾਲ 8 ਭਾਰਤੀ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ 4 ਘੰਟਿਆਂ ਦਾ ਸਿਖਲਾਈ ਡੇਟਾ ਪ੍ਰਾਪਤ ਕਰੋ।
- ਹਰੇਕ ਭਾਸ਼ਾ ਲਈ, ਸਪਲਾਇਰ Extempore Speech ਅਤੇ
18-60 ਸਾਲ ਦੇ ਉਮਰ ਸਮੂਹਾਂ ਤੋਂ ਗੱਲਬਾਤ ਸੰਬੰਧੀ ਭਾਸ਼ਣ - ਉਮਰ, ਲਿੰਗ, ਸਿੱਖਿਆ ਅਤੇ ਉਪਭਾਸ਼ਾਵਾਂ ਦੁਆਰਾ ਬੁਲਾਰਿਆਂ ਦੇ ਵਿਭਿੰਨ ਮਿਸ਼ਰਣ ਨੂੰ ਯਕੀਨੀ ਬਣਾਓ
- ਨਿਰਧਾਰਨ ਦੇ ਅਨੁਸਾਰ ਰਿਕਾਰਡਿੰਗ ਵਾਤਾਵਰਨ ਦੇ ਵਿਭਿੰਨ ਮਿਸ਼ਰਣ ਨੂੰ ਯਕੀਨੀ ਬਣਾਓ।
- ਹਰੇਕ ਆਡੀਓ ਰਿਕਾਰਡਿੰਗ ਘੱਟੋ-ਘੱਟ 16kHz ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ ਪਰ ਤਰਜੀਹੀ ਤੌਰ 'ਤੇ 44kHz ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ
ਡਾਟਾ ਸੈਗਮੈਂਟੇਸ਼ਨ
- 15 ਸਕਿੰਟਾਂ ਦੇ ਸਪੀਚ ਸੈਗਮੈਂਟ ਬਣਾਓ ਅਤੇ ਗੱਲਬਾਤ ਵਿੱਚ ਹਰੇਕ ਦਿੱਤੇ ਸਪੀਕਰ, ਆਵਾਜ਼ ਦੀ ਕਿਸਮ (ਭਾਸ਼ਣ, ਬੋਲ, ਸੰਗੀਤ, ਸ਼ੋਰ), ਵਾਰੀ, ਵਾਕਾਂਸ਼ ਅਤੇ ਵਾਕਾਂਸ਼ਾਂ ਲਈ ਔਡੀਓ ਨੂੰ ਮਿਲੀਸਕਿੰਟ ਵਿੱਚ ਟਾਈਮਸਟੈਂਪ ਕਰੋ
- ਸ਼ੁਰੂ ਅਤੇ ਅੰਤ 'ਤੇ 200-400 ਮਿਲੀਸਕਿੰਟ ਪੈਡਿੰਗ ਦੇ ਨਾਲ ਇਸਦੇ ਨਿਸ਼ਾਨੇ ਵਾਲੇ ਧੁਨੀ ਸਿਗਨਲ ਲਈ ਹਰੇਕ ਹਿੱਸੇ ਨੂੰ ਬਣਾਓ।
- ਸਾਰੇ ਖੰਡਾਂ ਲਈ, ਹੇਠ ਲਿਖੀਆਂ ਵਸਤੂਆਂ ਭਰੀਆਂ ਜਾਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ ਜਿਵੇਂ ਕਿ, ਸ਼ੁਰੂਆਤੀ ਸਮਾਂ, ਸਮਾਪਤੀ ਸਮਾਂ, ਖੰਡ ID, ਉੱਚੀ ਪੱਧਰ, ਆਵਾਜ਼ ਦੀ ਕਿਸਮ, ਭਾਸ਼ਾ ਕੋਡ, ਸਪੀਕਰ ID, ਆਦਿ।
ਡਾਟਾ ਟ੍ਰਾਂਸਕ੍ਰਿਪਸ਼ਨ
- ਅੱਖਰਾਂ ਅਤੇ ਵਿਸ਼ੇਸ਼ ਚਿੰਨ੍ਹਾਂ, ਸਪੈਲਿੰਗ ਅਤੇ ਵਿਆਕਰਨ, ਕੈਪੀਟਲਾਈਜ਼ੇਸ਼ਨ, ਸੰਖੇਪ, ਸੰਕੁਚਨ, ਵਿਅਕਤੀਗਤ ਬੋਲੇ ਜਾਣ ਵਾਲੇ ਅੱਖਰ, ਸੰਖਿਆਵਾਂ, ਵਿਰਾਮ ਚਿੰਨ੍ਹ, ਸੰਖੇਪ ਸ਼ਬਦ, ਵਿਘਨ, ਸਪੀਚ, ਅਸਪੱਸ਼ਟ ਭਾਸ਼ਣ, ਗੈਰ-ਨਿਸ਼ਾਨਾ ਭਾਸ਼ਾਵਾਂ, ਗੈਰ-ਨਿਸ਼ਾਨਾ ਆਦਿ ਦੇ ਆਲੇ ਦੁਆਲੇ ਵੇਰਵੇ ਪ੍ਰਤੀਲਿਪੀ ਦਿਸ਼ਾ ਨਿਰਦੇਸ਼ਾਂ ਦੀ ਪਾਲਣਾ ਕਰੋ।
ਗੁਣਵੱਤਾ ਜਾਂਚ ਅਤੇ ਫੀਡਬੈਕ
- ਗੁਣਵੱਤਾ ਦੇ ਮੁਲਾਂਕਣ ਅਤੇ ਪ੍ਰਮਾਣਿਕਤਾ ਤੋਂ ਗੁਜ਼ਰਨ ਲਈ ਸਾਰੀਆਂ ਰਿਕਾਰਡਿੰਗਾਂ, ਸਿਰਫ ਪ੍ਰਮਾਣਿਤ ਭਾਸ਼ਣ ਦਿੱਤਾ ਜਾਣਾ ਹੈ
ਦਾ ਹੱਲ
ਗੱਲਬਾਤ ਸੰਬੰਧੀ AI ਦੀ ਸਾਡੀ ਡੂੰਘੀ ਸਮਝ ਦੇ ਨਾਲ, ਅਸੀਂ ਕਲਾਇੰਟ ਨੂੰ 8 ਭਾਰਤੀ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਆਡੀਓ ਡੇਟਾਸੈਟ ਦਾ ਵੱਡਾ ਭੰਡਾਰ ਬਣਾਉਣ ਲਈ ਮਾਹਰ ਕੁਲੈਕਟਰਾਂ, ਭਾਸ਼ਾ ਵਿਗਿਆਨੀਆਂ ਅਤੇ ਵਿਆਖਿਆਕਾਰਾਂ ਦੀ ਇੱਕ ਟੀਮ ਦੇ ਨਾਲ ਡੇਟਾ ਨੂੰ ਇਕੱਤਰ ਕਰਨ, ਵੰਡਣ ਅਤੇ ਟ੍ਰਾਂਸਕ੍ਰਾਈਬ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕੀਤੀ।
ਸ਼ੈਪ ਲਈ ਕੰਮ ਦੇ ਦਾਇਰੇ ਵਿੱਚ ਸ਼ਾਮਲ ਹੈ ਪਰ ਆਡੀਓ ਸਿਖਲਾਈ ਡੇਟਾ ਦੀ ਵੱਡੀ ਮਾਤਰਾ ਪ੍ਰਾਪਤ ਕਰਨ, ਆਡੀਓ ਰਿਕਾਰਡਿੰਗਾਂ ਨੂੰ ਮਲਟੀਪਲ ਵਿੱਚ ਵੰਡਣ, ਡੇਟਾ ਨੂੰ ਟ੍ਰਾਂਸਕ੍ਰਿਬ ਕਰਨ ਅਤੇ ਮੈਟਾਡੇਟਾ [ਸਪੀਕਰਆਈਡੀ, ਉਮਰ, ਲਿੰਗ, ਭਾਸ਼ਾ, ਉਪਭਾਸ਼ਾ, ਨਾਲ ਸੰਬੰਧਿਤ JSON ਫਾਈਲਾਂ ਪ੍ਰਦਾਨ ਕਰਨ ਤੱਕ ਸੀਮਿਤ ਨਹੀਂ ਸੀ।
ਮਾਤ ਭਾਸ਼ਾ, ਯੋਗਤਾ, ਕਿੱਤਾ, ਡੋਮੇਨ, ਫਾਈਲ ਫਾਰਮੈਟ, ਬਾਰੰਬਾਰਤਾ, ਚੈਨਲ, ਆਡੀਓ ਦੀ ਕਿਸਮ, ਸਪੀਕਰਾਂ ਦੀ ਗਿਣਤੀ, ਵਿਦੇਸ਼ੀ ਭਾਸ਼ਾਵਾਂ ਦੀ ਸੰਖਿਆ, ਵਰਤੀ ਗਈ ਸੈੱਟਅੱਪ, ਨੈਰੋਬੈਂਡ ਜਾਂ ਵਾਈਡਬੈਂਡ ਆਡੀਓ, ਆਦਿ]।
ਸ਼ੈਪ ਨੇ ਗੁੰਝਲਦਾਰ ਪ੍ਰੋਜੈਕਟਾਂ ਲਈ ਸਪੀਚ ਟੈਕਨਾਲੋਜੀ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਲੋੜੀਂਦੇ ਗੁਣਵੱਤਾ ਦੇ ਲੋੜੀਂਦੇ ਪੱਧਰਾਂ ਨੂੰ ਕਾਇਮ ਰੱਖਦੇ ਹੋਏ ਪੈਮਾਨੇ 'ਤੇ 3000 ਘੰਟਿਆਂ ਦਾ ਆਡੀਓ ਡੇਟਾ ਇਕੱਠਾ ਕੀਤਾ। ਹਰੇਕ ਭਾਗੀਦਾਰ ਤੋਂ ਸਪੱਸ਼ਟ ਸਹਿਮਤੀ ਫਾਰਮ ਲਿਆ ਗਿਆ ਸੀ।
1. ਡਾਟਾ ਇਕੱਠਾ ਕਰਨ
2. ਡੇਟਾ ਸੈਗਮੈਂਟੇਸ਼ਨ
- ਇਕੱਤਰ ਕੀਤੇ ਗਏ ਆਡੀਓ ਡੇਟਾ ਨੂੰ ਅੱਗੇ 15 ਸਕਿੰਟਾਂ ਦੇ ਭਾਸ਼ਣ ਭਾਗਾਂ ਵਿੱਚ ਵੰਡਿਆ ਗਿਆ ਸੀ ਅਤੇ ਹਰੇਕ ਦਿੱਤੇ ਗਏ ਸਪੀਕਰ, ਆਵਾਜ਼ ਦੀ ਕਿਸਮ, ਵਾਰੀ, ਵਾਕਾਂਸ਼ ਅਤੇ ਗੱਲਬਾਤ ਵਿੱਚ ਵਾਕਾਂਸ਼ਾਂ ਲਈ ਮਿਲੀਸਕਿੰਟ ਵਿੱਚ ਟਾਈਮਸਟੈਂਪ ਕੀਤਾ ਗਿਆ ਸੀ।
- ਇੱਕ ਧੁਨੀ ਸਿਗਨਲ ਦੇ ਸ਼ੁਰੂ ਅਤੇ ਅੰਤ ਵਿੱਚ 200-400 ਮਿਲੀਸਕਿੰਟ ਪੈਡਿੰਗ ਦੇ ਨਾਲ ਇਸਦੇ ਨਿਸ਼ਾਨਾ ਧੁਨੀ ਸਿਗਨਲ ਲਈ ਹਰੇਕ ਹਿੱਸੇ ਨੂੰ ਬਣਾਇਆ ਗਿਆ।
- ਸਾਰੇ ਹਿੱਸਿਆਂ ਲਈ, ਹੇਠ ਲਿਖੀਆਂ ਵਸਤੂਆਂ ਮੌਜੂਦ ਸਨ ਅਤੇ ਭਰੀਆਂ ਗਈਆਂ ਸਨ ਜਿਵੇਂ ਕਿ, ਸ਼ੁਰੂਆਤੀ ਸਮਾਂ, ਸਮਾਪਤੀ ਸਮਾਂ, ਖੰਡ ਆਈਡੀ, ਉੱਚੀ ਆਵਾਜ਼ ਦਾ ਪੱਧਰ (ਉੱਚੀ, ਆਮ, ਸ਼ਾਂਤ), ਪ੍ਰਾਇਮਰੀ ਧੁਨੀ ਦੀ ਕਿਸਮ (ਬੋਲੀ, ਬੱਬਲ, ਸੰਗੀਤ, ਸ਼ੋਰ, ਓਵਰਲੈਪ), ਭਾਸ਼ਾ ਕੋਡ ਸਪੀਕਰ। ਆਈਡੀ, ਟ੍ਰਾਂਸਕ੍ਰਿਪਸ਼ਨ ਆਦਿ
3. ਗੁਣਵੱਤਾ ਜਾਂਚ ਅਤੇ ਫੀਡਬੈਕ
- ਸਾਰੀਆਂ ਰਿਕਾਰਡਿੰਗਾਂ ਦਾ ਮੁਲਾਂਕਣ ਗੁਣਵੱਤਾ ਲਈ ਕੀਤਾ ਗਿਆ ਸੀ ਅਤੇ ਸਿਰਫ 90% ਦੇ WER ਅਤੇ 90% ਦੀ TER ਨਾਲ ਪ੍ਰਮਾਣਿਤ ਭਾਸ਼ਣ ਰਿਕਾਰਡਿੰਗਾਂ ਨੂੰ ਪ੍ਰਦਾਨ ਕੀਤਾ ਗਿਆ ਸੀ
- ਕੁਆਲਿਟੀ ਚੈੱਕਲਿਸਟ ਦਾ ਅਨੁਸਰਣ ਕੀਤਾ ਗਿਆ:
» ਖੰਡ ਦੀ ਲੰਬਾਈ ਦੇ ਅਧਿਕਤਮ 15 ਸਕਿੰਟ
»ਵਿਸ਼ੇਸ਼ ਡੋਮੇਨਾਂ ਤੋਂ ਟ੍ਰਾਂਸਕ੍ਰਿਪਸ਼ਨ, ਅਰਥਾਤ: ਮੌਸਮ, ਵੱਖ-ਵੱਖ ਕਿਸਮਾਂ ਦੀਆਂ ਖ਼ਬਰਾਂ, ਸਿਹਤ, ਖੇਤੀਬਾੜੀ, ਸਿੱਖਿਆ, ਨੌਕਰੀਆਂ ਜਾਂ ਵਿੱਤ
» ਘੱਟ ਬੈਕਗ੍ਰਾਊਂਡ ਸ਼ੋਰ
»ਕੋਈ ਆਡੀਓ ਕਲਿੱਪ ਬੰਦ ਨਹੀਂ - ਕੋਈ ਵਿਗਾੜ ਨਹੀਂ
» ਟ੍ਰਾਂਸਕ੍ਰਿਪਸ਼ਨ ਲਈ ਸਹੀ ਆਡੀਓ ਸੈਗਮੈਂਟੇਸ਼ਨ
4. ਡਾਟਾ ਟ੍ਰਾਂਸਕ੍ਰਿਪਸ਼ਨ
ਹਿਚਕਿਚਾਹਟ, ਭਰਨ ਵਾਲੇ ਸ਼ਬਦ, ਗਲਤ ਸ਼ੁਰੂਆਤ, ਅਤੇ ਹੋਰ ਮੌਖਿਕ ਟਿਕਸ ਸਮੇਤ, ਸਾਰੇ ਬੋਲੇ ਗਏ ਸ਼ਬਦਾਂ ਨੂੰ ਟ੍ਰਾਂਸਕ੍ਰਿਪਸ਼ਨ ਵਿੱਚ ਸਹੀ ਢੰਗ ਨਾਲ ਕੈਪਚਰ ਕੀਤਾ ਗਿਆ ਸੀ। ਅਸੀਂ ਵੱਡੇ ਅਤੇ ਛੋਟੇ ਅੱਖਰਾਂ, ਸਪੈਲਿੰਗ, ਵੱਡੇ ਅੱਖਰ, ਸੰਖੇਪ, ਸੰਕੁਚਨ, ਸੰਖਿਆਵਾਂ,
ਵਿਰਾਮ ਚਿੰਨ੍ਹ, ਸੰਖੇਪ ਸ਼ਬਦ, ਅਸਪਸ਼ਟ ਭਾਸ਼ਣ, ਗੈਰ-ਸਪੀਚ ਸ਼ੋਰ ਆਦਿ।
ਨਤੀਜਾ
ਮਾਹਰ ਭਾਸ਼ਾ ਵਿਗਿਆਨੀਆਂ ਦਾ ਉੱਚ-ਗੁਣਵੱਤਾ ਆਡੀਓ ਡੇਟਾ ਇੰਡੀਅਨ ਇੰਸਟੀਚਿਊਟ ਆਫ ਟੈਕਨਾਲੋਜੀ - ਮਦਰਾਸ ਨੂੰ ਨਿਰਧਾਰਤ ਸਮੇਂ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਉਪਭਾਸ਼ਾਵਾਂ ਵਾਲੀਆਂ 8 ਭਾਰਤੀ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਬਹੁ-ਭਾਸ਼ਾਈ ਭਾਸ਼ਣ ਪਛਾਣ ਮਾਡਲਾਂ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਸਿਖਲਾਈ ਅਤੇ ਬਣਾਉਣ ਵਿੱਚ ਸਮਰੱਥ ਕਰੇਗਾ। ਸਪੀਚ ਮਾਨਤਾ ਮਾਡਲਾਂ ਨੂੰ ਇਹਨਾਂ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ:
- ਨਾਗਰਿਕਾਂ ਨੂੰ ਉਨ੍ਹਾਂ ਦੀ ਆਪਣੀ ਮਾਤ ਭਾਸ਼ਾ ਵਿੱਚ ਪਹਿਲਕਦਮੀਆਂ ਨਾਲ ਜੋੜ ਕੇ ਡਿਜੀਟਲ ਸ਼ਮੂਲੀਅਤ ਲਈ ਭਾਸ਼ਾ ਦੀ ਰੁਕਾਵਟ ਨੂੰ ਦੂਰ ਕਰੋ।
- ਡਿਜੀਟਲ ਗਵਰਨੈਂਸ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਦਾ ਹੈ
- ਭਾਰਤੀ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਸੇਵਾਵਾਂ ਅਤੇ ਉਤਪਾਦਾਂ ਲਈ ਇੱਕ ਈਕੋਸਿਸਟਮ ਬਣਾਉਣ ਲਈ ਉਤਪ੍ਰੇਰਕ
- ਜਨਤਕ ਹਿੱਤਾਂ, ਖਾਸ ਕਰਕੇ, ਸ਼ਾਸਨ ਅਤੇ ਨੀਤੀ ਦੇ ਖੇਤਰਾਂ ਵਿੱਚ ਵਧੇਰੇ ਸਥਾਨਿਕ ਡਿਜੀਟਲ ਸਮੱਗਰੀ
ਅਸੀਂ ਗੱਲਬਾਤ ਵਾਲੀ AI ਸਪੇਸ ਵਿੱਚ ਸ਼ੈਪ ਦੀ ਮੁਹਾਰਤ ਤੋਂ ਪ੍ਰਭਾਵਿਤ ਹੋਏ। ਸਖ਼ਤ ਸਮਾਂ-ਸੀਮਾਵਾਂ ਅਤੇ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ਾਂ ਦੇ ਅੰਦਰ 8 ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਮਾਹਿਰ ਭਾਸ਼ਾ ਵਿਗਿਆਨੀਆਂ ਤੋਂ ਲੋੜੀਂਦੇ ਸਿਖਲਾਈ ਡੇਟਾ ਨੂੰ ਸੋਰਸਿੰਗ, ਖੰਡੀਕਰਨ, ਲਿਪੀਕਰਣ ਅਤੇ ਪ੍ਰਦਾਨ ਕਰਨ ਤੋਂ ਉਹਨਾਂ ਦੀ ਸਮੁੱਚੀ ਪ੍ਰੋਜੈਕਟ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਯੋਗਤਾ; ਅਜੇ ਵੀ ਗੁਣਵੱਤਾ ਦੇ ਸਵੀਕਾਰਯੋਗ ਮਿਆਰ ਨੂੰ ਕਾਇਮ ਰੱਖਦੇ ਹੋਏ।"
ਫੀਚਰਡ ਕਲਾਇੰਟ
ਵਿਸ਼ਵ-ਮੋਹਰੀ ਏਆਈ ਉਤਪਾਦਾਂ ਨੂੰ ਬਣਾਉਣ ਲਈ ਟੀਮਾਂ ਨੂੰ ਸ਼ਕਤੀ ਪ੍ਰਦਾਨ ਕਰਨਾ.